Скопировать ссылку
Тренд первый — персонализация
Многим лично будет знакома ситуация, когда, обращаясь в компанию, приходится несколько раз с самого начала описывать проблему. Вас перекидывают от бота к оператору, от оператора — к менеджеру. Раздражает? Конечно. Клиенты хотят, чтобы в момент обращения в компании уже знали про них максимум, а история общения передавалась автоматически. Например, при звонке у оператора может по номеру телефона сразу подтягивается статус клиента в компании, а переписка с ботом — попадать менеджеру для быстрого решения проблемы.
Когда покупатели недовольны, что приходится много раз рассказывать одно и то же о себе, это неизбежно приводит к снижению лояльности. Чтобы этого избежать, важно заранее собрать и затем использовать максимально полную информацию о каждом пользователе. Эти данные позволяют прогнозировать, что может понадобиться конкретному человеку от вашей компании в данный момент, предоставлять соответствующий сервис и сокращать цепочку взаимодействий — иными словами, улучшать его клиентский опыт.
Как это реализуется?
Ядром персонификации является CRM — система управления взаимоотношениями с клиентами. Здесь собирается, в том числе и из других систем, и хранится всесторонняя информация о каждом покупателе: кто он, его статус в компании, обращения в работе, контакты и прочее.
Разберем на примере В2С-кейса — ипотеки. Клиент находится в процессе взаимодействия с банком или ипотечным агентством по оформлению такого займа. Ему необходимо совершить некий набор действий в течение определенного периода. Если от этого клиента приходит входящий запрос по любым каналам (звонок, чат, письмо), то велика вероятность, что он будет связан с текущим статусом человека в этом процессе. Например, он может уточнить, какие документы еще необходимо предоставить и так далее. Зная это, можно спрогнозировать целый перечень потенциальных вопросов и ответов на них, и предоставлять их либо быстрее, либо вообще в формате самообслуживания.
В этом случае компания повышает, с одной стороны, клиентскую лояльность, так как она максимально быстро решает запрос. С другой стороны — эффективность клиентского сервиса с точки зрения количества затрат на единицу результата.
В В2В тоже есть свои примеры. Например, компания распознает клиента и видит его статус — скажем, новый, ранее не обращался. И он дальше движется в компании иначе, чем существующие контрагенты — к другим менеджерам и так далее. Если это некий значимый заказчик, то его перенаправляют сразу в отдел VIP-обслуживания.
Если компания одновременно работает как с физическими, так и с юридическими лицами, крайне важным будет определить прямо в момент обращения, в какой именно роли звонит клиент — как частное лицо, как сотрудник или директор обслуживающей у вас организации.
Я сам являюсь таким клиентом, скажем для банков, где могу выступать в трех ролях. Я как руководитель принимаю решение о работе с тем или иным банком. Я же как пользователь внутри компании, которая использует этот продукт. И снова я, но уже как частное лицо, которое с этим же банком имеет другие отношения, например по инвестициям. Для меня все это один банк, я получаю совокупный пользовательский опыт, который влияет на мои решения по работе с этим банком.
Поэтому компания должна четко понимать, с кем именно она взаимодействует в данный момент. Ведь если напортачить с клиентом как с частным лицом, то в итоге можно потерять клиента-организацию.
Технически идентификация происходит следующим образом. Во-первых по данным, привязанным к конкретному клиенту, которые он сам предоставил компании: номер телефона, адрес электронной почты, логин в сервисах самообслуживания или на порталах.
Во-вторых, идентификацию дополняют те каналы, по которым человек связался с компанией: общая линия, линия В2В-продаж или В2С-канал.
В-третьих, подключаются косвенные признаки. Когда компания определяет клиента по идентификаторам, то в его профиле можно увидеть текущий статус. Например, у него есть открытое обращение по кредитной карте, поэтому, вероятнее всего, сейчас нужно решить именно этот вопрос.
После идентификации можно предлагать персональные сервисы покупателю и выстраивать вокруг него все процессы. А потом смотреть статистику в разрезе каждого конкретного клиента или группы клиентов: как компания их обслуживает, почему у одной группы NPS (индекс потребительской лояльности) высокий, а у другой — низкий. Аналитика покажет, что здесь одни процессы, а там — иные. И появятся данные для конкретных изменений в клиентском сервисе.
Приведу свой пример. Я, как частное лицо, обратился в банк, чтобы срочно заменить карту: у действующей заканчивался срок, а мне нужно было скоро улетать. В банке предложили перевыпустить карту и сделать ее не пластиковой, а металлической. Я согласился, сказал, что карта мне обязательно нужна не позднее такого-то числа. В итоге в оговоренный день ничего не получил. Началась переписка с банком, когда мне пришлось несколько раз с нуля описывать ситуацию, все это в перерывах между кучей встреч и переговоров. В итоге вся проблема оказалась в том, что банк не успевал сделать именно металлическую карту, которую сам же мне и предложил. Мой пользовательский опыт был крайне негативным и неизвестно еще, как он повлияет на мои дальнейшие отношения с этим банком. Этого можно было избежать или по крайней мере значительно «сгладить» острые углы, если бы у компании был грамотно отлажен клиентский сервис и информация о проблеме как минимум передавалась от одного менеджера другому.
Пример из нашей практики, как круто может сработать персонализация в В2В-сегменте. В одной крупной металлоторговой компании все звонки по клиентам принимали менеджеры по продажам. В итоге они занимались любой работой, кроме продаж. Им звонили заказчики разных групп, бухгалтерия, кладовщики — все, кто задействован в цепочке, звонили менеджерам и они разбирались с разными проблемами. Все было относительно хорошо до тех пор, пока рынок был на стороне продавца: клиенту не хватало товара и он обращается не к тем, у кого лучше сервис, а к тем, у кого этот товар просто напросто есть.
Когда рынок повернулся в сторону клиента, менеджерам пришлось проявлять активность и, собственно, работать по клиентской базе. Но делать им это было некогда, поскольку, как я уже описал ситуацию выше, они были заняты разбором нецелевого потока обращений.
Что сделали в компании? Начали идентификацию. Первая часть — разбили клиентов по группам A, B, C, D, где группа А — самые крупные, D — самые мелкие. Далее разделили менеджеров по группам, настроили маршрутизацию и каждый стал заниматься только своими заказчиками. Клиенты групп C и D стали направляться сразу в контактный центр и там обслуживаться по регламенту, чтобы на них приходилось тратить как можно меньше времени.
Таким образом поток распределился и у менеджеров высвободилось порядка 80% рабочего времени, которое направили как раз на работу с клиентской базой. Это помогло компании пройти острую фазу кризиса.
Тренд второй — экономия
Тренд на экономию сейчас просматривается практически во всех сферах. Клиентский сервис не стал исключением. Прежде всего речь про экономию на персонале, который обрабатывает различные входящие обращения. Причем сейчас количество обращений растет — у людей происходят различные изменения, часто возникают нештатные ситуации, плюс уровень тревожности в целом высокий — все это приводит к тому, что в компании обращаются намного чаще.
Поэтому, с одной стороны, нужно сокращать или, как минимум, не увеличивать штат, с другой — обеспечивать существующий уровень клиентского сервиса, а лучше его поднимать.
Как это можно сделать? Со своей стороны мы предлагаем технические варианты решения этой задачи, которые в основном сводятся к автоматизации рутинных операций.
Операции на первой линии
Это, как правило все, что касается часто задаваемых вопросов. Мы иногда слышим от наших клиентов, что их первую линию нельзя автоматизировать, так как вопросы им поступают неструктурированные. Такая проблема действительно есть, но ее можно решить с помощью специальных платформ, которые распознают неструктурированные запросы и помогают находить ответы автоматически. Причем как в чате, так и при общении «голосом». Это делается с помощью обучаемой нейросети. В зависимости от типа бизнеса такая система забирает на себя обработку до 90% (и даже больше) обращений, поступающих на первую линию. Это реальные цифры из нашей практики.
Рутинные операции по обработке данных внутри сервисов
Речь про формирование заказов, копирование данных в системах, разноску и обработку данных, создание табличек и так далее. Если эти операции повторяются, то они алгоритмизируются каким-то образом и их можно роботизировать.
Любые бизнес-процессы, в которых также много ручной работы
Например, есть завод, где с рекламацией от покупателя нужно ходить по разным кабинетам, чтобы по ней приняли решение. Разумеется, это можно автоматизировать, ускорить принятие решений и повысить качество отношений с клиентами. У нас в практике есть кейс крупной агрокомпании, где время согласования заявки сократили с двух недель до двух часов. Да, основная цель для компании — экономия. Но это также сильно влияет и на уровень сервиса.
Причем, что касается В2В, то это всегда целая цепочка взаимодействий. Одна компания покупает у другой и продает третьей. И если в одном «звене» есть улучшения, то вся цепочка становится лучше. И какой-то конечный клиент это обязательно почувствует.
Резюме
Описанные тренды на самом деле часто идут вместе, а не по одиночке. Так, автоматизация не будет работать качественно, если в компании недостаточно персональных данных о клиентах. Всегда при настройке и автоматизации сервиса используется комплекс решений, в центре которого — CRM, содержащая всю возможную информацию о покупателях, позволяющую их персонифицировать. А вокруг находятся системы роботизации, чат-боты, клиентские порталы, системы самообслуживания и так далее. Тогда и клиент, и компания получают то, что им нужно не только здесь и сейчас, но и могут строить долгосрочные отношения.
